基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

A two-step weighted least-squares method for joint estimation of source and sensor locations: A general framework

It is well known that the Two-step Weighted Least-Squares(TWLS) is a widely used method for source localization and sensor position refinement. For this reason, we propose a unified framework of the TWLS method for joint estimation of multiple disjoint sources and sensor locations in this paper. Unlike some existing works, the presented method is based on more general measurement model, and therefore it can be applied to many different localization scenarios.Besides, it does not have the initialization and local convergence problem. The closed-form expression for the covariance matrix of the proposed TWLS estimator is also derived by exploiting the first-order perturbation analysis. Moreover, the estimation accuracy of the TWLS method is shown analytically to achieve the Cramér-Rao Bound(CRB) before the threshold effect takes place. The theoretical analysis is also performed in a common mathematical framework, rather than aiming at some specific signal metrics. Finally, two numerical experiments are performed to support the theoretical development in this paper.     

微型化半球陀螺制备工艺发展现状及趋势分析

因低噪声、高性能、无磨损的优势,半球陀螺已成为航空、航天领域内的最佳导航陀螺。半球陀螺的微型化是微机电陀螺领域的研究热点,全球各研究单位设计了多种形态的谐振器结构,开发了各具特色的加工工艺,其选用的材质也各不相同,并研制出了形态各异的微半球陀螺结构。对半球陀螺微型化的历程和方式进行了综述,着重对微型化半球陀螺壳体谐振器的结构形态、工艺制备方法和选材进行了对比和分析,并对各微型化途径的特点进行了讨论和展望。     

非恒定增压式微尺度拉瓦尔喷管流动特性

针对微尺度喷流在航天器运动状态切换时出现的非恒定增压变化,采用直接模拟蒙特卡洛(DSMC)方法对阶跃式增压和线性式增压两种模式下的微尺度拉瓦尔喷管流场进行了模拟,并对其变化过程中的流动特性进行了对比分析。结果显示：阶跃式增压会导致流动特性出现较大幅值的峰谷式波动,而线性式增压下的流动特性则呈现出线性变化的特点;黏性力对微尺度喷流的非恒定增压变化产生了重要的黏滞作用,在喉部扩张段至出口的流场中尤为明显;在设定的条件下,阶跃式增压过程中喷流产生的总冲量较线性式增压高59.5%,质量流量高74.7%,单位工质提供的冲量低约8.6%,波动性也高于线性式模型,阶跃式增压适用于系统需要较大推力改变运动状态且推进剂充足的情况,而线性式增压在系统精确微调或需要推进剂产生更高效能时具有明显的优势。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

类IXV飞行器初期再入制导与姿态控制方法研究

摘要： 针对类IXV飞行器无翼式升力体构型及采用RCS/尾襟翼组合控制特点,研究其初期再入段的高精度制导与姿态控制方法.设计带过程约束的数值预测 校正制导律以提高制导系统的鲁棒性及精确性;根据其执行机构配置特点,设计基于RCS的航向控制律及基于RCS/气动舵的纵、横向复合控制律,并采用鲁棒伺服LQR技术进行控制参数快速设计.通过蒙特卡洛打靶仿真来验证算法的精度及鲁棒性.     

NVNA谐波相位检验件设计及定标

本文介绍了一种用于检验非线性网络分析仪谐波相位指标的检验件设计方法,并搭建了基于实时示波器的测量系统对谐波相位进行定标。通过高速实时示波器对检验件的输出信号进行采样,利用傅立叶变换提取谐波相位信息。为了得到高准确度的测量结果,采用去缠绕、最小二乘等算法对相位结果进行优化处理。实验结果表明,该方法可以作为NVNA谐波相位指标的验证手段对NVNA的谐波相位进行验证。     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。